Soutenance de thèse de Nour El Houda FODIL lundi 19 janvier à 14h30, Université Le Havre Normandie
Date :
Nour El Houda Fodil soutiendra sa thèse intitulée « Découverte de motifs de longueurs variables dans les séries temporelles» lundi 19 janvier à 14h30, à l'ULHN, salle B103.
Le jury sera composé de:
- M. Reza Akbarinia, Inria ,rapporteur
- Mme. Karine Zeitouni, Université de Versailles Saint-Quentin, rapporteure
- Mme. Cécile Capponi, Aix-Marseille Université, membre du jury
- M. Frank Le Foll, Université Le Havre Normandie, membre du jury
- Mme. Maguelonne Teisseire, INRAE Montpellier, membre du jury
- M. Damien Olivier, Université Le Havre Normandie, directeur de thèse
- M. Pierrick Tranouez, Université de Rouen Normandie, co-encadrant
Résumé:
Cette thèse propose un cadre méthodologique visant à améliorer la robustesse et la généralisation des méthodes de détection de motifs. Trois contributions ont été réalisées. Premièrement, une méthodologie de génération de jeux de données spécifiques a été développée, permettant une évaluation contrôlée des algorithmes. Deuxièmement, de nouvelles variantes symboliques fondées sur 1d-SAX, Uniform-SAX et fABBA ont été introduites afin de mieux comprendre l’impact des représentations discrètes sur la qualité des motifs détectés. Enfin, des approches originales combinant segmentation adaptative, inférence grammaticale et analyse de similarité binaire ont été conçues pour surmonter les limites des méthodes à fenêtre fixe et accroître la robustesse face à des motifs de longueurs variables.
Les expérimentations menées sur des jeux de données synthétiques, de référence (générées à partir de l'UCR) et réels, notamment dans le cadre de recherche de motifs dans l’activité valvaire des moules (projet I-caging), montrent que ces méthodes surpassent généralement les approches classiques. La segmentation adaptative joue un rôle central, permettant de détecter efficacement des motifs hétérogènes tout en améliorant la stabilité des résultats.
La soutenance sera également accessible en visioconférence via le lien: https://visio.numerique.gouv.fr/mud-mpsu-jsw